Interpretar os principais resultados para Poder e tamanho de amostra para experimento Plackett-Burman

Conclua as etapas a seguir para interpretar Poder e tamanho de amostra para experimento Plackett-Burman. A saída principal inclui o efeito, o número de réplicas, o poder, o número de pontos centrais, o número total de ensaios e a curva de poder.

Etapa 1: Examine os valores calculados

Usando os valores de três variáveis de função de poder que você inseriu, o Minitab calcula o número de réplicas, o tamanho do efeito, o poder do experimento ou o número de pontos centrais.

Efeito

Se você inserir o número de réplicas, o valor do poder e o número de pontos centrais, o Minitab calcula o efeito. O efeito é a diferença na resposta entre os níveis altos e baixos de um fator que você deseja que o experimento detecte. Esta diferença é o resultado de um fator de sozinho (efeito principal).

Pontos centrais

Se você inserir o número de réplicas, o tamanho do efeito e o valor de poder, o Minitab calcula o número de pontos centrais. Pontos centrais são ensaios experimentais com todos os níveis de fator definidos​ no ponto médio entre​ a​ configuração​ baixa​ e​ alta. Os pontos centrais são utilizados principalmente para detectar efeitos de curvatura, mas a adição de mais pontos centrais pode também aumentar um pouco o poder.

Réplicas
Se você inserir o tamanho do efeito, o valor do poder e o número de pontos centrais, o Minitab calcula o número de réplicas. Réplicas são vários ensaios experimentais com as mesmas configurações de fatores. Como o número de réplicas é um valor inteiro, o poder real pode ser um pouco maior do que seu valor alvo.
Se você aumentar o número de réplicas, o poder de seu experimento também aumenta. Você deseja réplicas suficientes para alcançar o poder adequado.
Ensaios totais
Para cada caso, o Minitab calcula o total de ensaios a partir do número de réplicas e o número de pontos centrais. O número total de ensaios é o produto do número de pontos de extremidade e o número de réplicas, mais o número de pontos centrais.
Valores de poder
Se você digitar o número de replicações, o tamanho do efeito, e o número de pontos centrais, o Minitab calcula o valor de poder. O poder é a probabilidade de que você encontre corretamente um efeito significativo. Em geral, um valor de poder de 0,9 é considerado suficiente. Um valor de 0,9 indica que há uma probabilidade de 90% de detecção de um efeito. Normalmente, quando o número total de ensaios é menor ou o efeito é menor, o experimento tem menos poder.
Experimento Plackett-Burman
α = 0,05  Desvio padrão assumido = 1,7

Método

Fatores:15Experimento:32
Pts centrais (total):0   

Resultados

Pontos
Centrais
EfeitoRepsTotal de
Ensaios
Poder AlvoPoder Real
02,01320,80,877445
02,02640,90,995974
00,941280,80,843529
00,951600,90,914018
Resultados principais: pontos centrais, efeito, réplicas, efeitos totais, poder alvo, poder real

Nestes resultados, o Minitab calcula o número de réplicas, para atingir o poder alvo. O experimento que detecta um efeito de 2 com um poder de 0,8 requer 1 réplica. Para atingir um poder de 0,9, o experimento requer 2 réplicas. O poder real com 2 réplicas é maior do que 0,99. Este poder real é o menor valor de poder que é maior ou igual a 0,9 e é obtido usando-se um número inteiro de réplicas. Para detectar o menor efeito de 0,9 com poder 0,8, o experimento necessita de 4 réplicas. Para detectar o menor efeito de 0,9 com poder 0,9, o experimento requer 5 réplicas.

Etapa 2: Examine a curva de poder

Use a curva de poder para avaliar as propriedades adequadas para o seu experimento.

A curva de poder representa a relação entre poder e tamanho do efeito para todas as combinação de pontos centrais e repetições. Cada símbolo na curva da poder representa um valor calculado com base nas propriedades que você insere. Por exemplo, se você inserir um número de réplicas, um valor de poder e um número de pontos centrais, o Minitab calcula o tamanho do efeito correspondente e exibe o valor calculado no gráfico para a combinação de réplicas e pontos centrais. Se você resolver para réplicas ou pontos centrais, o gráfico também inclui curvas para as outras combinações de réplicas e pontos centrais que estão nas combinações que alcançam o poder de destino. O gráfico não mostra curvas para casos que não têm graus de liberdade suficientes para avaliar a significância estatística.

Examine os valores na curva para determinar o tamanho de efeito que o experimento detecta a um determinado poder, número de pontos de extremidades e número de pontos centrais. Em geral, um valor de poder de 0,9 é considerado adequado. No entanto, alguns profissionais consideram o valor de poder de 0,8 como adequado. Se uma experimento com um fator tiver baixo poder, talvez não seja possível detectar um efeito que seja praticamente significativo. Aumentar o número de réplicas aumenta o poder de seu experimento. Você quer ensaios experimentais suficientes em seu experimento para alcançar o poder adequado. Um experimento tem mais poder para detectar um efeito maior do que um efeito menor.

Nestes resultados, o Minitab calcula o número de réplicas, para atingir o poder de um alvo de pelo menos 0,8 ou de 0,9 para um tamanho de efeito de 0,025. O experimento planejado tem 12 pontos de extremidade para estudar 11 fatores. Os cálculos consideram experimentos planejados com 0, 2 ou 4 pontos centrais. A curva que mostra 1 réplica com 4 pontos centrais tem um símbolo para o efeito de 0,25, onde o poder é superior ao poder do alvo de 0,8. As 3 curvas que representam experimentos com 2 réplicas de símbolos têm que mostram que o poder de detectar um efeito de 0,025 é maior do que o poder do alvo de 0,9.

Como existe uma solução com 2 réplicas e dois pontos centrais e existe uma solução com 1 réplica e 4 pontos centrais, o gráfico também inclui uma curva para um experimento com uma réplica e dois pontos centrais. Este experimento não alcança o poder do alvo para o efeito de 0,025, de forma que esta curva não tem um símbolo. O gráfico não inclui a curva para uma réplica com 0 pontos centrais porque este experimento não tem graus de liberdade suficientes para avaliar a significância estatística quando 0 termos são omitidos do modelo.